(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210836780.8 (22)申请日 2022.07.15 (71)申请人 国家林业和草原局西南调查 规划院 地址 650031 云南省昆明市一 二一大街71 号 (72)发明人 罗春林　周红斌　李华　张治军　 张成程　 (74)专利代理 机构 北京鑫瑞森知识产权代理有 限公司 1 1961 专利代理师 马云华 (51)Int.Cl. G06V 20/13(2022.01) G06N 3/08(2006.01) G06V 10/10(2022.01) G06V 10/26(2022.01)G06V 10/34(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) (54)发明名称 一种基于分区聚类与卷积的遥感影像变化 检测方法 (57)摘要 本发明提供了一种基于分区聚类与卷积的 遥感影像变化检测方法， 包括： 获取两个时期光 学卫星遥感影像， 进行预处理及检查， 进行自动 分区， 对每个分区影像进行异步聚类和标记， 截 取聚类后影像作为训练样本， 对模型进行训练， 将聚类后的分区影像输入模型， 进行语义分割， 将语义分割结果转换为矢量图斑， 根据类别对矢 量图斑进行筛选， 并逆向拼接两期矢量图斑， 对 逆向拼接的两期矢量图斑打散多部件， 并提取相 应类型的变化图斑， 对变化图斑的边界线进行平 滑， 并结合相应类型的经营界线进行切分， 并剔 除细碎图斑。 本发明提供的基于分区聚类与卷积 的遥感影像变化检测方法， 能快速实现大范围遥 感影像变化快速检测， 像素分区聚类速度快， 自 动化程度高。 权利要求书4页 说明书10页 附图1页 CN 115223054 A 2022.10.21 CN 115223054 A 1.一种基于分区 聚类与卷积的遥感影 像变化检测方法， 其特 征在于， 包括如下步骤： 步骤1： 获取同一地 区间隔时间三个月以上、 十二个月以内的前后两个时期的光学卫星 遥感影像， 并对其进行 预处理及质量检查； 步骤2： 获取预处理及检查完毕后的前后两个时期的光学卫星遥感影像的有效公共范 围， 并计算所需分区个数及可同时运行子进程个数； 步骤3： 根据可同时运行子进程个数， 启动多个进程对两期光学卫星遥感影像的每个分 区影像进 行异步聚类， 异步聚类时应用深度神经网络对云、 雪、 雨覆盖的区域以及无效像素 数据进行检测 和标记； 步骤4： 搭建金字塔场景分析网络模型， 自动截取聚类后影像制作训练样本及验证数 据， 并通过训练样本及验证数据对金字塔场景分析网络模型进行训练； 步骤5： 对聚类后的所有分区影像进行处理， 自动剔除标记的无效数据， 并将其输入训 练后的模型， 对其进行语义分割， 得到语义分割结果， 将语义分割结果 转换为矢量图斑； 步骤6： 根据类别对矢量图斑进行筛选， 并逆向拼接两期矢量图斑， 对逆向拼接的两期 矢量图斑打散多部件， 剔除不合格图斑， 并提取相应类型的变化图斑， 对变化图斑的边界线 进行平滑， 对平滑后的图斑结合相应类型的经营界线进 行切分， 并剔除细碎图斑， 得到最 终 变化图斑。 2.根据权利要求1所述的基于分区聚类与 卷积的遥感影像变化检测方法， 其特征在于， 步骤1中， 获取同一地区间隔时间三个月以上、 十二个月以内的前后两个时期的光学卫星遥 感影像， 并对其进行 预处理及质量检查， 具体为： 获取同一地区且 间隔时间在三个月以上、 十二个月以内的前后两个时期的光学卫星遥 感影像， 其中， 前一时期获取的光学卫星遥感影像称为前期遥感影像X1， 后一时期获取的光 学卫星遥感影 像称为后期遥感影 像X2； 对获取的前期遥感影像X1及后期遥感影像X2进行几何校正、 配准、 融合及增强操作， 将 前期遥感影像X1及后期遥感影像X2的像素数据类型转 换成RGB三波段的8位整数， 完成后， 将 前期遥感影像X1及后期遥感影像X2统一转换同一分带下的高斯投影 坐标系， 以TI F格式存储 至存储设备； 读取存储设备的前期遥感影像X1及后期遥感影像X2， 对前期遥感影像X1及后期遥感影 像X2的影像偏 移情况及云、 雪、 雾覆盖 程度进行检查， 其中， 前期遥感影像X1及后期遥感影像 X2各自抽取f(f≥150)个点， 有稠密云、 雪、 雨覆盖的点设为f1， 若(f1/f)≥0.45， 则检查不通 过， 重新获取影像， 在前期遥感影像X1及后期遥感影像X2的范围内均匀抽取k个地物(k≥ 100)， 同一地物在前期遥感影像X1及后期遥感影像X2的偏移超过3个像素点的个数记为k3， 超过5个像素点的个数为k5， 超过8个像素点的数量为k8， 若(k5/k)≥0.01或(k3/k)≥0.1或k8 ＞0， 则检查 不通过， 重新对前期遥感影 像X1及后期遥感影 像X2进行预处理。 3.根据权利要求2所述的基于分区聚类与 卷积的遥感影像变化检测方法， 其特征在于， 步骤2中， 获取预 处理及检查完 毕后的前后两个时期的光学卫星遥感影像的有效公共范围， 并计算所需分区个数及可同时运行子进程个数， 进行分区划分， 具体为： 获取前期遥感影像X1的范围m1行及n1列， 后期遥感影像X2的范围m2行、 n2列， 遍历前期遥 感影像X1的m1行、 n1列， 设第i行、 j列的RGB像素值为Rij、 Gij、 Bij， 若Rij、 Gij、 Bij符合条件(Rij<5 且Gij<5且Bij<5)或(Rij>251且Gij>251且Bij>251)， 则判断为无效像素点， 将Rij、 Gij、 Bij颜色权　利　要　求　书 1/4 页 2 CN 115223054 A 2分量全部赋值为(0， 0， 0)， 若不符合， 则为有效像素点， 将前期遥感影像X1的全部有效像素 点的外边界范围定为E1， 以相同的方式处理后 期遥感影像X2， 形成后期 遥感影像X2的全部有 效像素点的外边界范围E2， 将E1和E2相交后的公共 范围定为E， 用公共 范围E裁剪前期遥感影 像X1及后期遥感影像X2， 用裁剪后的结果各自替换前期遥感影像X1及后期遥感影像X2， 得到 需要变化检测的最 终前期遥感影像X1及最终后 期遥感影像X2， 其中， 最终前期 遥感影像X1及 最终后期遥感影 像X2的高度相等， 为H， 宽度相等， 为 W； 获取计算机的运行内存T， 根据最终前期遥感影像X1及最终后期遥感影像X2的高度H及 宽度W， 将最终前期遥感影像X1及最终后期遥感影像X2分割为多个分区影像， 其中， 每个分区 影像均为相同大小， 且参数为： C＝M×N 式中， L为划分后每个分区影像的宽度及高度， M为划分后的分区影像行数， N为划分后 的分区影像列数， C为划分后的分区影像数量， 记载每个 分区影像的左上角坐标(x， y)、 影像 分辨率p和坐标系统； 获取运行计算机物 理核心数量Q， 设准备启动的聚类进程个数为n个， 经验证， 得到可同 时运行子进程个数为n＝max{Q ‑2,2}， 其中， 在启动进程的同时将记录的分区起始坐标(x， y)， 分区行列数M、 N， 发送到各个子进程。 4.根据权利要求3所述的基于分区聚类与 卷积的遥感影像变化检测方法， 其特征在于， 步骤3中， 根据可同时运行子进程个数， 启动多个进程对两期光学卫星遥感影像的每个分区 影像进行异步聚类， 异 步聚类时应用深度神经网络对云、 雪、 雨覆盖的区域以及无效像素数 据进行检测 和标记， 具体为： 根据子进程个数n， 启动n个进程开始对最终前期遥感影像X1及最终后期遥感影像X2进 行聚类处理， 获取第k个分区影像的起始坐标(xk， yk)， 该分区的行列数Mk、 Nk， 每个分区的宽 度Wk、 高度Hk， 获取最终前期遥感影像X1及最终后期遥感影像X2的影像分辨率p、 高度H及宽 度W， 读取最终前期遥感影像X1及最终后期遥感影像X2从xk开始到Mk行、 从yk开始到Nk列的遥 感影像数据到二维数组， 其中， 若逻辑分区k存在超出范围的情况， 需将超出范围的区域内 的二维数组RGB颜色分量 都赋值为(0， 0， 0)， 继续对 该区块的遥感影像数据进 行标记， 其中， 第i行、 j列的RGB像素值记为Rij、 Gij、 Bij， 若Rij、 Gij、 Bij符合条件(Rij<5且Gij<5且Bij<5)或(Rij >251且Gij>251且Bij>251)， 则标记为无效像素值， 将Rij、 Gij、 Bij赋值为(0， 0， 0)， 将第k个分 区影像划分成16 ×16像素点的小块， 利用Resnet16神经网络模 型对分区影像里面的云、 雪、 雾覆盖区域进行检测， 将 云、 雪、 雾覆盖区域的像素值都标记为(0， 0， 0)， 从(xk， yk)开始， 遍 历分区里面的所有像素点， 若Rij、 Gij、 Bij均小于3， 则忽略该像素点， 将剩余的像素点按RGB 颜色分量的大小进行分类， 将R分量最大的标记为类别1， 将G分量最大的标记为类别2， 将B权　利　要　求　书 2/4 页 3 CN 115223054 A 3